利用InSAR和GPS形变数据反演断层深部滑动的敏感性分析

为探究InSAR和GPS形变数据对断层深部滑动的敏感性,分别模拟走滑断层、正断层和逆冲断层在不同深度的滑动分布模型,并基于不同精度的InSAR和GPS形变数据反演了3类断层在不同深度位置的滑移分布。对3类断层的结果进行对比分析发现,实验得到的结论具有较好的一致性。结果表明,在相同深度时,基于高精度InSAR和GPS形变数据反演的深部滑动残差较小,而基于常规精度InSAR数据反演结果的残差较大;随着深度的增加,反演深部滑动的探测性呈逐步下降的趋势,其中基于高精度InSAR和GPS数据的滑动探测性高于基于常规精度InSAR的滑动探测性。当InSAR和GPS数据精度相同时,维度对断层深部滑动的探测性有一定影响。

基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究

目前对岩溶湿地的重视程度远低于其他湿地类型,缺乏利用遥感技术进行岩溶湿地植被高精度识别的研究,但岩溶湿地同其他湿地类型一样,湿地面积退化严重,亟待需要解决。因此,本文选取受人类活动影响较大、湿地退化较为严重的广西桂林会仙喀斯特国家湿地公园的部分核心区域作为研究区,以DJI大疆御Mavic Pro无人机航摄影像为数据源,利用泛化能力强、分类精度高的面向对象随机森林算法实现了会仙岩溶湿地植被的高精度分类,探究无人机可见光影像和面向对象随机森林算法在岩溶湿地植被识别中的适用性,为无人机遥感技术应用于岩溶湿地的研究和保护提供技术参考。首先,在eCogni tion Developer9.0中利用多尺度迭代分割算法对影像图层进行分割;然后,基于以往在进行面向对象分类研究的经验来指导我们进行特征选择,充分考虑了影像的光谱和纹理特征、植被指数、无人机遥感数据派生的研究区数字地表模型(DSM)和几何特征;最后,在RStudio中实现了随机森林算法参数的调优、模型的构建以及分类。结果显示,面向对象随机森林算法对会仙湿地植被具有较高的识别能力,在95%置信区间内总体精度为86.75%,Kappa系数为0.83。在单一典型岩溶湿地植被识别精度中,狗牙根-白茅-水龙植被群丛的用户精度在90%以上,生产者精度高于80%,竹子-马甲子-桂花生产者精度高于80%,但是用户精度较低,仅为70.59%。

基于迭代融合的InSAR技术获取数字高程模型研究

数字高程模型是重要的地理空间数据,可以提供丰富的地形信息.为了获得时效性好、分辨率高的数字高程模型,本文以南京市为实验区域,利用德国宇航局TerraSAR-X卫星同一轨道上的两幅StripMap模式SAR影像对,主从影像时间间隔只有66天,空间分辨率为3 m.采用InSAR技术,通过迭代的方法来提高获取DEM的分辨率,并结合JAXA/EORC提供的AW3D30数字表面模型与迭代后的DEM进行融合来解决阴影等问题,最终获取了南京地区的高精度数字高程模型.将实验结果分别与90 m分辨率的SRTM、30 m分辨率的ASTER GDEM、30 m分辨率的AW3D30进行相互对比分析.结果表明,相比三种常用的DEM而言,本文获取的DEM能够更精确的获取地面的细节信息,特别是对于分布稀疏的大型单体建筑物,能够很好的恢复其三维信息,但是对于建筑物分布较为密集的区域,由于传感器视线受阻,不能观测建筑物的全貌,阴影分布较多,导致此类区域的DEM结果不理想,还需进一步深入研究,提高精度及可靠性.